基于共享单车大数据的骑行生活圈识别及其活动网络模式分析

       1 研究背景

       1.1 骑行生活圈规划的重要性凸显

       生活圈的概念源自日本，一般指“维持居民日常生活而发生的诸多活动所构成的空间范围”[1]。近年来，生活圈作为承担满足居民日常公共服务与多元活动需求的重要空间载体，在世界各地的规划实践日渐丰富。Moreno等[2-3]提出了“15分钟城市”的概念并在巴黎实施，强调它是一种基于步行、骑行等多种出行方式和共享服务的空间组织模式(multimodal and shared services)，以实现从传统城市规划(city planning)向城市生活规划(urban life planning)的转变。随后，墨尔本提出了“20分钟邻里生活圈”规划，提倡通过步行、骑行和地方公交等多种绿色出行方式，在20 min内可达日常生活所需的公共设施及服务[4]。渥太华是加拿大首个将“15分钟邻里生活圈”纳入官方规划的城市，也强调“支持步行、骑行等体力出行和公交”及减少对小汽车的依赖，以打造具有“5C”(compact，connected，convivial，complete and cool)愿景的健康社区[5]。可见，国际上一些城市的15分钟或20分钟生活圈并不特指步行可达的范围，而是可依托多模式可持续交通方式。

       随着我国城市发展转向“以人为本”的新阶段，生活圈规划也开始受到重视。上海市于2016年出台了《上海市15分钟社区生活圈规划导则(试行)》，将社区生活圈定义为3左右、常住人口5万—10万人、步行15 min能到达的空间[6]。我国住房和城乡建设部在2018年发布的《城市居住区规划设计标准》[7]提出了基于步行可达性的15分钟—10分钟—5分钟“生活圈居住区”三大层级。总体上，国内规划研究和实践中的生活圈概念多数以特定的等时圈范围加以笼统界定，且局限在步行方式，而忽视骑行活动对生活圈的具体影响[8-9]。孙德芳等[10]少量学者提出了15分钟步行生活圈、15分钟骑行生活圈、30分钟公交生活圈的多尺度生活圈划分体系，但没有对骑行生活圈的特征进行深入研究。黄建中等[11]根据老年人的日常步行出行模式，在空间上划分了社区生活圈—扩展生活圈—机会生活圈这一三圈层结构，但对于非步行活动，生活圈的圈层结构特征仍有待验证。刘泉等[12]指出，现有的15分钟生活圈概念过于关注步行尺度下公共设施的安排，对新技术与新生活方式的考虑不足。自行车是我国城市主要的出行方式，近年来随着共享单车的大规模发展，骑行生活圈的重要性进一步增强。截至2019年8月底，全国共享单车注册用户数超3亿人次[13]。共享单车不仅扩大了轨道交通的服务范围，也增加了自行车在日常生活圈的使用活动频率。骑行生活圈与步行生活圈不相同且有交叠，骑行生活圈研究将会有效拓展生活圈的知识体系。

       1.2 骑行生活圈的活动规律亟待挖掘

       在生活圈的研究方法上，由于定位漂移、难以区分步行及骑行方式等技术制约，手机信令数据在生活圈研究中往往只能作为传统调查数据的辅助[14]，侧重于步行方式的生活圈研究大多仍依赖传统的调查方式[15]。共享单车使用数据中包含了细粒度的活动时空信息，相对传统出行调查能更精细地刻画骑行时空特征。目前，国内外利用大数据考察骑行活动与建成环境关系的研究增长很快，但主要集中在骑行量、骑行距离、空间分布、公交衔接等出行特征方面。尽管有学者采用了租还不均衡系数、潮汐指数等与用地功能相关的租赁点特征指标[16-17]，但未能区分租还时辰曲线的整体形态差异，租赁点分类不够细化，因而难以深入考察日常骑行活动的丰富特征。此外，建立虚拟租赁点研究共享单车活动的方法已有应用，但主要针对共享单车动态管理[18]与停车需求预测[19]等调度优化问题。Chen等[20]利用社区发现算法划分了共享单车活动区，但以交通小区为研究空间单元，对于生活圈层面反映不足。

       因此，将共享单车大数据与生活圈空间活动结合起来的研究相对有限。本文从建立租还活动与用地功能的对应关系入手，根据各类租赁点间联系来考察骑行生活圈的活动网络模式。这一研究可突破以往粗略描述用地布局与骑行活动特征关系的局限，深入了解骑行生活圈的规律特征与理论内涵。

       2 研究方法

       本文利用上海市共享单车数据对骑行生活圈进行研究。

       (1)首先把实际空间位置特征一致的无桩、分散租还点合并成同一个虚拟租赁点，作为基本研究单元[21]。采用Kmeans方法生成上海市域共享单车的空间聚类，其聚类中心点即为该类别的虚拟租赁点[21]。虚拟租赁点密度在中心城区内环地区(黄浦江以西)可以达到40—60个/，能满足细粒度空间分析的要求。

       (2)基于租赁点之间联系紧密度对骑行生活圈范围加以识别，使用社区发现算法(community detection algorithms)来界定生活圈。社区发现或网络聚类是将网络中的节点划分为组，使组内联系更密切的同时使组间联系较稀疏，以此来计算得到网络中社区的算法[22]。节点为虚拟租赁点，边为节点间联系即租赁点间的骑行联系，骑行联系总量为边的权重。鲁汶社区发现算法(Louvain community detection algorithms)是一种基于模块度①(modularity)最大化原则[23]的启发式算法，模块度大，表明网络内各社区内部的联系多、社区之间的联系少。在模块度计算中，可使用解析度(resolution)来控制所生成社区中包含的节点数量，使其对应的地理范围能与某出行活动的空间尺度相一致。相比过去基于OD簇聚类来判定生活圈的DBSCAN方法[21]，这种基于内部模块化最大的方法能够获得明确的骑行生活圈边界，有利于与基层行政辖区范围相对应。